System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 特征度量的石化气体泄露图像融合方法和装置制造方法及图纸_技高网

特征度量的石化气体泄露图像融合方法和装置制造方法及图纸

技术编号:40241629 阅读:6 留言:0更新日期:2024-02-02 22:39
本申请公开了一种特征度量的石化气体泄露图像融合方法和装置,属于石化气体技术领域。所述特征度量的石化气体泄露图像融合方法包括:将获取的目标场景下的石化气体所对应的源图像输入至图像融合模型,得到图像融合模型输出的石化气体对应的初始融合图像;源图像包括红外光图像和可见光图像;对红外光图像进行特征提取,得到红外光图像对应的第一特征图;对可见光图像进行特征提取,得到可见光图像对应的第二特征图;基于第一特征图、第二特征图以及初始融合图像,构建损失函数;基于损失函数训练图像融合模型;图像融合模型用于对石化气体对应的泄漏图像进行融合。本申请的特征度量的石化气体泄露图像融合方法,提升了石化气体的成像效果。

【技术实现步骤摘要】

本申请属于石化气体,尤其涉及一种特征度量的石化气体泄露图像融合方法和装置


技术介绍

1、石化挥发性有机化合物(vocs)是一种来源广泛的高污染性的气体,对区域性大气臭氧污染和pm2.5污染有着重要的影响,大部分石化气体具有令人不适的特殊气味,同时具有毒性、刺激性、致畸性和致癌作用,会对人体健康造成巨大危害。在石化气体发生泄漏的情况下,需要对石化气体进行观测以确定气体泄漏位置,现有的观测设备仅能在红外图像上观测到石化气体,但红外图像没有颜色信息且纹理不丰富,成像效果不佳,不便于观测石化气体的泄漏位置。


技术实现思路

1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种特征度量的石化气体泄露图像融合方法和装置,提升了石化气体的成像效果,便于用户对石化气体的污染进行定位和溯源,从而提升检测效率,便于快速发现和处理泄漏事故。

2、第一方面,本申请提供了一种特征度量的石化气体泄露图像融合方法,该方法包括:

3、将获取的目标场景下的所述石化气体所对应的源图像输入至图像融合模型,得到所述图像融合模型输出的所述石化气体对应的初始融合图像;所述源图像包括红外光图像和可见光图像;

4、对所述红外光图像进行特征提取,得到所述红外光图像对应的第一特征图;对所述可见光图像进行特征提取,得到所述可见光图像对应的第二特征图;

5、基于所述第一特征图、所述第二特征图以及所述初始融合图像,构建损失函数;

6、基于所述损失函数训练所述图像融合模型;所述图像融合模型用于对所述石化气体对应的泄漏图像进行融合。

7、根据本申请实施例提供的特征度量的石化气体泄露图像融合方法,通过构建图像融合模型以融合石化气体的可见光图像和红外光图像,然后得到初始融合图像,并对可见光图像、红外光图像以及初始融合图像进行处理,以构建损失函数,再基于损失函数训练图像融合模型,以提升图像融合模型的精确度和准确度,将红外光图像上可见的气体泄露的信息融合到可见光图像上,既保留了可见光图像上的丰富细节和色彩信息,又保留了红外光图像上的石化气体信息,提升了石化气体的成像效果,便于用户对石化气体的污染进行定位和溯源,从而提升检测效率,便于快速发现和处理泄漏事故。

8、本申请一个实施例的石化气体泄露图像融合方法,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,构建损失函数,包括:

9、基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度;

10、基于所述结构差异度和所述强度分布差异度,构建所述损失函数。

11、本申请一个实施例的特征度量的石化气体泄露图像融合方法,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度,包括:

12、获取所述红外光图像与所述初始融合图像之间的第一结构相似性度量值,以及所述可见光图像与所述初始融合图像之间的第二结构相似性度量值;

13、基于所述第一特征图对应的第一宽度、第一高度和第一通道数,计算得到所述第一特征图对应的第一图像梯度;基于所述第二特征图对应的第二宽度、第二高度和第二通道数,计算得到所述第二特征图对应的第二图像梯度;

14、基于所述第一图像梯度得到所述红外光图像对应的第一自适应权重;基于所述第二图像梯度得到所述可见光图像对应的第二自适应权重;

15、基于所述第一自适应权重、所述第二自适应权重、所述第一结构相似性度量值和所述第二结构相似性度量值,得到所述结构差异度。

16、本申请一个实施例的特征度量的石化气体泄露图像融合方法,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度,包括:

17、获取所述红外光图像与所述初始融合图像之间的第一均方误差,以及所述可见光图像与所述初始融合图像之间的第二均方误差;

18、基于所述第一特征图对应的第一宽度、第一高度和第一通道数,计算得到所述第一特征图对应的第一图像梯度;基于所述第二特征图对应的第二宽度、第二高度和第二通道数,计算得到所述第二特征图对应的第二图像梯度;

19、基于所述第一图像梯度得到所述红外光图像对应的第一自适应权重;基于所述第二图像梯度得到所述可见光图像对应的第二自适应权重;

20、基于所述第一自适应权重、所述第二自适应权重、所述第一均方误差和所述第二均方误差,得到所述强度分布差异度。

21、本申请一个实施例的特征度量的石化气体泄露图像融合方法,所述图像融合模型包括:双分支编码器、融合层和解码器;所述双分支编码器的输出端与所述融合层的输入端连接,所述将获取的目标场景下的所述石化气体所对应的源图像输入至图像融合模型,得到所述图像融合模型输出的所述石化气体对应的初始融合图像,包括:

22、对所述可见光图像进行分离处理,得到所述可见光图像对应的亮度分量、蓝色浓度偏移分量和红色浓度偏移分量;

23、将所述红外光图像输入至所述双分支编码器中第一编码器模块,获取所述第一编码器模块输出的与所述红外光图像对应的第一低频特征以及第一高频特征;将所述亮度分量输入至所述双分支编码器中第二编码器模块,获取所述第二编码器模块输出的与所述可见光图像对应的第二低频特征以及第二高频特征;

24、将所述第一低频特征和所述第二低频特征输入至所述融合层中基础融合层,获取所述基础融合层输出的基础特征图;将所述第一高频特征和所述第二高频特征输入至所述融合层中细节融合层,获取所述细节融合层输出的细节特征图;所述基础融合层包括轻型transformer块;所述细节融合层包括可逆神经网络块;

25、将所述基础特征图和所述细节特征图输入至所述解码器,获取所述解码器输出的第一融合图像;

26、基于所述第一融合图像得到所述初始融合图像;所述第一融合图像为单通道图像,所述初始融合图像为三通道图像。

27、本申请一个实施例的特征度量的石化气体泄露图像融合方法,在所述基于所述损失函数训练所述图像融合模型之后,所述方法还包括:

28、获取目标时刻和目标场景下的所述石化气体对应的目标红外光图像和目标可见光图像;

29、分别将所述目标红外光图像和目标可见光图像输入至训练后的图像融合模型,获取训练后的图像融合模型输出所述石化气体对应的目标融合图像。

30、第二方面,本申请提供了一种特征度量的石化气体泄露图像融合装置,该装置包括:

31、第一处理模块,用于将获取的目标场景下的所述石化气体所对应的源图像输入至图像融合模型,得到所述图像融合模型输出的所述石化气体对应的初始融合图像;所述源图像包括红外光图像和可见光图像;

32、第二处理模块,用于对所述红外光图像进行本文档来自技高网...

【技术保护点】

1.一种特征度量的石化气体泄露图像融合方法,其特征在于,包括:

2.根据权利要求1所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,构建损失函数,包括:

3.根据权利要求2所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度,包括:

4.根据权利要求2所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度,包括:

5.根据权利要求1-4任一项所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述图像融合模型包括:双分支编码器、融合层和解码器;所述双分支编码器的输出端与所述融合层的输入端连接,所述将获取的目标场景下的所述石化气体所对应的源图像输入至图像融合模型,得到所述图像融合模型输出的所述石化气体对应的初始融合图像,包括

6.根据权利要求1-4任一项所述的特征度量的石化气体泄露图像融合方法,其特征在于,在所述基于所述损失函数训练所述图像融合模型之后,所述方法还包括:

7.一种特征度量的石化气体泄露图像融合装置,其特征在于,包括:

8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一项所述的特征度量的石化气体泄露图像融合方法。

9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-6任一项所述的特征度量的石化气体泄露图像融合方法。

10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的特征度量的石化气体泄露图像融合方法。

...

【技术特征摘要】

1.一种特征度量的石化气体泄露图像融合方法,其特征在于,包括:

2.根据权利要求1所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,构建损失函数,包括:

3.根据权利要求2所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度,包括:

4.根据权利要求2所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述基于所述第一特征图、所述第二特征图以及所述初始融合图像,得到所述源图像与所述初始融合图像之间的结构差异度和强度分布差异度,包括:

5.根据权利要求1-4任一项所述的特征度量的石化气体泄露图像融合方法,其特征在于,所述图像融合模型包括:双分支编码器、融合层和解码器;所述双分支编码器的输出端与所述融合层的输入端连接,所述将获取的目标场景下的所...

【专利技术属性】
技术研发人员:夏秀山曹洋柴海伦许镇义
申请(专利权)人:中国科学技术大学先进技术研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1